基于多尺度融合和注意力的前方车辆检测方法
徐玎
南京理工大学计算机科学与工程学院 南京 210094
摘要：论文提出了一种基于多尺度特征融合和通道注意力机制的神经网络方法,用于精确地检测前方车辆.该文提出的MSCA-Y模型是在YOLOv4的基础上结合了两个关键的见解:1)提出了一个高效的多尺度特征融合网络.在充分利用主干网络的特征表示能力的基础上,有效融合多尺度特征图的空间信息,以增强检测微型车辆的性能;2)引入了通道注意力机制.通过加强对车辆各种姿态上关键部位的特征关注度,以进一步在复杂检测任务中获得更好的检测性能.为了证明方法的有效性,论文在KITTI数据集上评估模型.实验表明,该方法在KITTI数据集的基准上取得了较高的mAP(在困难子集中达到了87.12%).
关键词：前方车辆检测多尺度融合通道注意力卷积神经网络
分类号：TP391(计算技术、计算机技术)
论文发表日期：2023-11-20
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2573-2579 )
英文信息